呼叫中心的数据挖掘
发布时间：2021-11-12 13:52
在信息化时代,呼叫中心已经广泛地应用在公安、电信、银行、保险等行业,通过电话的呼入、呼出与用户打造沟通的桥梁。呼叫中心的运营管理自身就是对数据管理的过程,各项运营报表、整体运营成果、CSR行为举动等,并随着在国内高速的发展,对管理也日趋精细化、数字化。拥有海量客户信息是呼叫中心的主要特征,如何通过数据高效的分析用户的需求、趋势、动态。基于此,本文采用大数据方法对客户信息进行挖掘分析。采用大数据方法不仅在于对海量信息的保存,更在于用智能化手段对信息进行深入挖掘,发觉潜在的市场价值,利用数据挖掘技术,从经典的分类和聚类主题,到数据库方法（例如,关联规则和数据立方体）等进行分析挖掘,提高呼叫中心的效率,同时增加客户的满意度。基于用户电话以及大数据技术建立数据分析平台,汇集系统数据、语音数据组成基础的数据池,根据管理需求进行建模分析,如:用户数据的深度挖掘、用户行为模式的洞察、外呼预测模型的预测等等。通过建模、数据有效性的验证、结果的展示等闭环研究,可提供定制查询、业务分析、指标监控,甚至重点用户名单及特征等,成为呼叫中心管理决策的基本工具。本文在大量阅读了国内外文献的基础上,结合前人研究的成...
【文章来源】：湖北工业大学湖北省
【文章页数】：45 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 数据挖掘的应用背景
1.2 呼叫中心的概述
1.3 呼叫中心的应用背景
1.4 研究目的和意义
1.4.1 研究的目的
1.4.2 研究的意义
1.5 国内外研究现状
1.6 研究内容及框架
第2章 数据挖掘
2.1 数据挖掘的概述
2.2 数据挖掘的功能
2.3 数据挖掘的技术
2.4 数据挖掘的过程
2.5 数据挖掘的应用领域
第3章 数据挖掘的算法
3.1 关联规则算法
3.1.1 Apriori算法的概述
3.1.2 Apriori算法的不足
3.2 聚类算法
3.2.1 对聚类分析的要求
3.2.2 基本聚类方法的概述
3.3 K-MEANS算法
3.3.1 K-means算法的原理
3.3.2 K-means算法的一般流程
3.3.3 K-means算法的优缺点
3.3.4 K-means算法的性能分析
3.4 本章小结
第4章 通信行业呼叫中心的数据挖掘设计
4.1 呼叫中心数据挖掘的应用背景：
4.2 呼叫中心数据挖掘的问题描述
4.3 呼叫中心数据挖掘的设计方案
4.3.1 总体的运行架构
4.3.2 数据的准备
4.3.3 模型的构建
4.3.4 挖掘模型的评估
4.3.5 结果分析与评价
第5章 总结与展望
5.1 研究结论与贡献
5.2 展望
参考文献
致谢
【参考文献】：
期刊论文
[1]呼叫中心与大数据在呼叫中心中的应用发展[J]. 令铁军. 中国新通信. 2016(20)
[2]Big Earth Data from space: a new engine for Earth science[J]. Huadong Guo,Lizhe Wang,Dong Liang. Science Bulletin. 2016(07)
[3]基于梯度采样局部收敛的生物信息大数据挖掘[J]. 孙勤红. 科技通报. 2015(10)
[4]“互联网+”在呼叫中心平台的应用研究——以某国有银行J客服中心为例[J]. 杨晓斐. 时代金融. 2015(30)
[5]Big data in smart cities[J]. LI DeRen,CAO JianJun,YAO Yuan. Science China（Information Sciences）. 2015(10)
[6]呼叫中心大数据分析应用研究[J]. 张戬,刘旸,亓银红. 信息技术与标准化. 2015(07)
[7]大数据时代的数据挖掘[J]. 马斌,周平,张建业,卿松,李猷. 中国科技信息. 2014(23)
[8]云计算和大数据成呼叫中心两大趋势[J]. 舒文琼. 通信世界. 2014(12)
[9]2014呼叫中心技术趋势展望[J]. 秦建秀. 软件和信息服务. 2014(04)
[10]Mobile Internet Big Data Platform in China Unicom[J]. Wenliang Huang,Zhen Chen,Wenyu Dong,Hang Li,Bin Cao,Junwei Cao. Tsinghua Science and Technology. 2014(01)
硕士论文
[1]G客服中心运营管理体系研究[D]. 葛忠旭.吉林大学 2016
[2]数据分析在呼叫中心运营管理中的应用[D]. 梁思佳.吉林大学 2016
[3]论大数据分析的方法论意义[D]. 王乾.武汉科技大学 2015
[4]基于数据挖掘的呼叫中心数据分析与研究[D]. 王驰钧.吉林大学 2015
[5]呼叫中心大数据文本挖掘分析与实现[D]. 邓天浪.北京邮电大学 2015
[6]基于密度的局部离群点检测算法分析与研究[D]. 揭财明.重庆大学 2012
[7]基于软交换架构的下一代呼叫中心研究与实现[D]. 赵彦杰.上海交通大学 2010
本文编号：3491043
【文章来源】：湖北工业大学湖北省
【文章页数】：45 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 数据挖掘的应用背景
1.2 呼叫中心的概述
1.3 呼叫中心的应用背景
1.4 研究目的和意义
1.4.1 研究的目的
1.4.2 研究的意义
1.5 国内外研究现状
1.6 研究内容及框架
第2章 数据挖掘
2.1 数据挖掘的概述
2.2 数据挖掘的功能
2.3 数据挖掘的技术
2.4 数据挖掘的过程
2.5 数据挖掘的应用领域
第3章 数据挖掘的算法
3.1 关联规则算法
3.1.1 Apriori算法的概述
3.1.2 Apriori算法的不足
3.2 聚类算法
3.2.1 对聚类分析的要求
3.2.2 基本聚类方法的概述
3.3 K-MEANS算法
3.3.1 K-means算法的原理
3.3.2 K-means算法的一般流程
3.3.3 K-means算法的优缺点
3.3.4 K-means算法的性能分析
3.4 本章小结
第4章 通信行业呼叫中心的数据挖掘设计
4.1 呼叫中心数据挖掘的应用背景：
4.2 呼叫中心数据挖掘的问题描述
4.3 呼叫中心数据挖掘的设计方案
4.3.1 总体的运行架构
4.3.2 数据的准备
4.3.3 模型的构建
4.3.4 挖掘模型的评估
4.3.5 结果分析与评价
第5章 总结与展望
5.1 研究结论与贡献
5.2 展望
参考文献
致谢
【参考文献】：
期刊论文
[1]呼叫中心与大数据在呼叫中心中的应用发展[J]. 令铁军. 中国新通信. 2016(20)
[2]Big Earth Data from space: a new engine for Earth science[J]. Huadong Guo,Lizhe Wang,Dong Liang. Science Bulletin. 2016(07)
[3]基于梯度采样局部收敛的生物信息大数据挖掘[J]. 孙勤红. 科技通报. 2015(10)
[4]“互联网+”在呼叫中心平台的应用研究——以某国有银行J客服中心为例[J]. 杨晓斐. 时代金融. 2015(30)
[5]Big data in smart cities[J]. LI DeRen,CAO JianJun,YAO Yuan. Science China（Information Sciences）. 2015(10)
[6]呼叫中心大数据分析应用研究[J]. 张戬,刘旸,亓银红. 信息技术与标准化. 2015(07)
[7]大数据时代的数据挖掘[J]. 马斌,周平,张建业,卿松,李猷. 中国科技信息. 2014(23)
[8]云计算和大数据成呼叫中心两大趋势[J]. 舒文琼. 通信世界. 2014(12)
[9]2014呼叫中心技术趋势展望[J]. 秦建秀. 软件和信息服务. 2014(04)
[10]Mobile Internet Big Data Platform in China Unicom[J]. Wenliang Huang,Zhen Chen,Wenyu Dong,Hang Li,Bin Cao,Junwei Cao. Tsinghua Science and Technology. 2014(01)
硕士论文
[1]G客服中心运营管理体系研究[D]. 葛忠旭.吉林大学 2016
[2]数据分析在呼叫中心运营管理中的应用[D]. 梁思佳.吉林大学 2016
[3]论大数据分析的方法论意义[D]. 王乾.武汉科技大学 2015
[4]基于数据挖掘的呼叫中心数据分析与研究[D]. 王驰钧.吉林大学 2015
[5]呼叫中心大数据文本挖掘分析与实现[D]. 邓天浪.北京邮电大学 2015
[6]基于密度的局部离群点检测算法分析与研究[D]. 揭财明.重庆大学 2012
[7]基于软交换架构的下一代呼叫中心研究与实现[D]. 赵彦杰.上海交通大学 2010
本文编号：3491043
本文链接：https://www.wllwen.com/guanlilunwen/yingxiaoguanlilunwen/3491043.html
